full gc频繁的分析及解决案例

现象

系统报警full gc次数过多，每2分钟达到了5～6次，这是不正常的现象

在full gc报警时的gc.log如下：

在full gc报警时的jstat如下：

sudo -u admin -H /opt/taobao/java/bin/jstat -gcutil `pgrep java` 2000 100

此时的cpu如下（基本都是在做gc）： 

将应用重启后，问题解决

但是当后台执行低价航线更新时，过大概十几个小时后，又出现上述情况！

分析

当频繁full gc时，jstack打印出堆栈信息如下：

sudo -u admin -H /opt/taobao/java/bin/jstack `pgrep java` > #your file path#

可以看到的确是在跑低价信息

另外在应用频繁full gc时和应用正常时，也执行了如下2种命令：

sudo -u admin -H /opt/taobao/java/bin/jmap -histo `pgrep` > #your file path#

sudo -u admin -H /opt/taobao/java/bin/jmap -histo:live `pgrep` > #your file path#（live会产生full gc）

目的是确认以下2种信息：

（1）是否存在某些引用的不正常，造成对象始终可达而无法回收（Java中的内存泄漏）

（2）是否真是由于在频繁full gc时同时又有大量请求进入分配内存从而处理不过来，
造成concurrent mode failure？

下图是在应用正常情况下，jmap不加live，产生的histo信息：

下图是在应用正常情况下，jmap加live，产生的histo信息：

下图是在应用频繁full gc情况下，jmap不加live和加live，产生的histo信息：

从上述几个图中可以看到：

（1）在应用正常情况下，图中标红的对象是被回收的，因此不是内存泄漏问题

（2）在应用频繁full gc时，标红的对象即使加live也是未被回收的，因上就是在频繁full gc时，
同时又有大量请求进入分配内存从而处理不过来的问题

先从解决问题的角度，看怎样造成频繁的full gc？

先给个CMS GC的概况：

（1）young gc

可以看到，当eden满时，young gc使用的是ParNew收集器

ParNew: 2230361K->129028K(2403008K), 0.2363650 secs解释：

1）2230361K->129028K，指回收前后eden+s1(或s2)大小

2）2403008K，指可用的young代的大小，即eden+s1（或s2）

3）0.2363650 secs，指消耗时间

2324774K->223451K(3975872K), 0.2366810 sec解释：

1）2335109K->140198K，指整个堆大小的变化
（heap=(young+old)+perm；young=eden+s1+s2；s1=s2=young/(survivor ratio+2)）

2）0.2366810 sec，指消耗时间

[Times: user=0.60 sys=0.02, real=0.24 secs]解释：指用户时间，系统时间，真实时间

（2）cms gc

当使用CMS收集器时，当开始进行收集时，old代的收集过程如下所示：

a）首先jvm根据-XX:CMSInitiatingOccupancyFraction，-XX:+UseCMSInitiatingOccupancyOnly
来决定什么时间开始垃圾收集

b）如果设置了-XX:+UseCMSInitiatingOccupancyOnly，那么只有当old代占用确实达到了
-XX:CMSInitiatingOccupancyFraction参数所设定的比例时才会触发cms gc

c）如果没有设置-XX:+UseCMSInitiatingOccupancyOnly，那么系统会根据统计数据自行决定什么时候
触发cms gc；因此有时会遇到设置了80%比例才cms gc，但是50%时就已经触发了，就是因为这个参数
没有设置的原因

d）当cms gc开始时，首先的阶段是CMS-initial-mark，此阶段是初始标记阶段，是stop the world阶段，
因此此阶段标记的对象只是从root集最直接可达的对象

CMS-initial-mark：961330K（1572864K），指标记时，old代的已用空间和总空间

e）下一个阶段是CMS-concurrent-mark，此阶段是和应用线程并发执行的，所谓并发收集器指的就是这个，
主要作用是标记可达的对象

此阶段会打印2条日志：CMS-concurrent-mark-start，CMS-concurrent-mark

f）下一个阶段是CMS-concurrent-preclean，此阶段主要是进行一些预清理，因为标记和应用线程是并发执行的，
因此会有些对象的状态在标记后会改变，此阶段正是解决这个问题

因为之后的Rescan阶段也会stop the world，为了使暂停的时间尽可能的小，也需要preclean阶段先做一部分
工作以节省时间

此阶段会打印2条日志：CMS-concurrent-preclean-start，CMS-concurrent-preclean

g）下一阶段是CMS-concurrent-abortable-preclean阶段，加入此阶段的目的是使cms gc更加可控一些，
作用也是执行一些预清理，以减少Rescan阶段造成应用暂停的时间

此阶段涉及几个参数：

-XX:CMSMaxAbortablePrecleanTime：当abortable-preclean阶段执行达到这个时间时才会结束

-XX:CMSScheduleRemarkEdenSizeThreshold（默认2m）：控制abortable-preclean阶段什么时候开始执行，
即当eden使用达到此值时，才会开始abortable-preclean阶段

-XX:CMSScheduleRemarkEdenPenetratio（默认50%）：控制abortable-preclean阶段什么时候结束执行

此阶段会打印一些日志如下：

CMS-concurrent-abortable-preclean-start，CMS-concurrent-abortable-preclean，
CMS：abort preclean due to time XXX

h）再下一个阶段是第二个stop the world阶段了，即Rescan阶段，此阶段暂停应用线程，对对象进行重新扫描并
标记

YG occupancy：964861K（2403008K），指执行时young代的情况

CMS remark：961330K（1572864K），指执行时old代的情况

此外，还打印出了弱引用处理、类卸载等过程的耗时

i）再下一个阶段是CMS-concurrent-sweep，进行并发的垃圾清理

j）最后是CMS-concurrent-reset，为下一次cms gc重置相关数据结构

（3）full gc：

有2种情况会触发full gc，在full gc时，整个应用会暂停

a）concurrent-mode-failure：当cms gc正进行时，此时有新的对象要进行old代，但是old代空间不足造成的

b）promotion-failed：当进行young gc时，有部分young代对象仍然可用，但是S1或S2放不下，
因此需要放到old代，但此时old代空间无法容纳此

从日志中可以看出有大量的concurrent-mode-failure，因此正是当cms gc进行时，有新的对象要进行old代，
但是old代空间不足造成的full gc

进程的jvm参数如下所示：

影响cms gc时长及触发的参数是以下2个：

-XX:CMSMaxAbortablePrecleanTime=5000

-XX:CMSInitiatingOccupancyFraction=80

解决也是针对这两个参数来的

根本的原因是每次请求消耗的内存量过大

解决

（1）针对cms gc的触发阶段，调整-XX:CMSInitiatingOccupancyFraction=50，提早触发cms gc，就可以
缓解当old代达到80%，cms gc处理不完，从而造成concurrent mode failure引发full gc

（2）修改-XX:CMSMaxAbortablePrecleanTime=500，缩小CMS-concurrent-abortable-preclean阶段
的时间

（3）考虑到cms gc时不会进行compact，因此加入-XX:+UseCMSCompactAtFullCollection
（cms gc后会进行内存的compact）和-XX:CMSFullGCsBeforeCompaction=4
（在full gc4次后会进行compact）参数

但是运行了一段时间后，只不过时间更长了，又会出现频繁full gc

计算了一下heap各个代的大小（可以用jmap -heap查看）：

total heap=young+old=4096m

perm:256m

young=s1+s2+eden=2560m

young avail=eden+s1=2133.375+213.3125=2346.6875m

s1=2560/(10+1+1)=213.3125m

s2=s1

eden=2133.375m

old=1536m

可以看到eden大于old，在极端情况下（young区的所有对象全都要进入到old时，就会触发full gc），
因此在应用频繁full gc时，很有可能old代是不够用的，因此想到将old代加大，young代减小

改成以下：

-Xmn1920m

新的各代大小：

total heap=young+old=4096m

perm:256m

young=s1+s2+eden=1920m

young avail=eden+s1=2133.375+213.3125=1760m

s1=1760/(10+1+1)=160m

s2=s1

eden=1600m

old=2176m

此时的eden小于old，可以缓解一些问题

改完之后，运行了2天，问题解决，未频繁报full gc